Sakana AI与UC Berkeley发布MASS自监督方法
热点事件持续更新
Sakana AI与UC Berkeley发布MASS自监督方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Sakana AI 与 UC Berkeley 的研究人员提出 Multi-Agent Self-Supervision（MASS）方法，让单个语言模型在无更强教师模型的情况下同时承担求解、优化和评判三个角色，实现递归自我改进；相关代码已公开。 该方法基于 Qwen3.6-27B，并以 Qwen Code 作为运行框架。报道称其能提升求解与评判能力，但存在共享盲点。
AI 根据报道生成 · 2 小时前更新
最新进展10月13日 01:58
Sakana AI 推出 MASS 自改进方法：解决与评判能力提升，但存在共享盲点报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- The DecoderSakana AI 推出 MASS 自改进方法：解决与评判能力提升，但存在共享盲点
Sakana AI 与 UC Berkeley 提出 Multi-Agent Self-Supervision（MASS）方法，让单个语言模型在无更强教师模型的情况下同时承担求解、优化和评判三个角色，实现递归自我改进。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。